Look-up in Google Scholar
Title: Sistema inteligente basado en Machine Learning para la detección de fraude de facturación de agua potable
Advisor(s): Mauricio Sánchez, David Santos
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.06; https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2019
Institution: Universidad Nacional Mayor de San Marcos
Abstract: Manifiesta que en la actualidad no existe una herramienta o un sistema el cual compruebe con gran exactitud (al menos de un 97 %) la detección de usuarios que cometen fraude en la facturación del consumo de agua potable, ya sea por conexiones ilícitas o adulteración de sus medidores de agua. Sin embargo, en el trabajo de investigación titulado Sistema Inteligente para detectar fraude en el servicio de Agua Potable de una Empresa Sanitaria (Palomino y Rivera, 2016) se obtuvo una tasa de 95.7 % de exactitud en la detección de fraude en Gasa, Palestina. Cabe resaltar que la cantidad de pérdida económica es sumamente considerable, así que la creación de una herramienta o sistema para detectar a estos usuarios fraudulentos es de bastante importancia para las empresas generadoras de agua potable. En el presente trabajo de investigación se propone desarrollar un Sistema Inteligente basado en un modelo híbrido de técnicas de minería de datos que pretende mejorar la tasa de exactitud en detección de un cliente en fraude de facturación de agua potable. Para el entrenamiento y la validación del modelo híbrido se pretende usar un dataset histórico del consumo de agua de los clientes de una empresa sanitaria en Palestina, así se obtendrá una tasa de 97.71 % de exactitud de detección de fraude.
Discipline: Ingeniería de Software
Grade or title grantor: Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Escuela Profesional de Ingeniería de Software
Grade or title: Ingeniero de Software
Juror: Gamboa Cruzado, Javier Arturo; Gamarra Moreno, Juan
Register date: 29-Nov-2019



This item is licensed under a Creative Commons License Creative Commons